《表1 DRIVE、STARE和CHASE_DB1测试集中细血管分割及后处理方法的评估结果》
利用本文方法对细血管进行分割及后处理之后,血管分割的性能明显提升,其局部细节结果如图6所示。对比观察图6(b)、(c)前三行可以发现,ThinSegmentNet可以检测到一些被WholeSegmentNet忽略的细血管,对细小血管区域的分割较好。对比观察图6(c)、(d)第四行可以发现,后处理方法可以移除一些图像的噪声和伪影,有助于提高分割结果的有效性。从表1可知,增加ThinSegmentNet后分割的敏感性明显提升,但特异性、准确率和AUC值有所降低,这主要是因为增加ThinSegmentNet分割得到细血管的同时,也增加了噪声,有更多的背景像素被错误判定为血管像素。通过去除连通区域总像素面积小于25的区域的后处理方法,可有效降低噪声,因此增加后处理后所有性能均有所提升。实验表明,本文方法可以有效地分割出一些难以识别的视网膜边缘血管和低对比度区域的细小血管。
图表编号 | XD00131896600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 吕晓文、邵枫、熊义明、杨伟山 |
绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |